数据挖掘

1. 数据洞察与业务分析 围绕淘宝天猫核心业务，设计指标体系，负责趋势监测、异动归因与策略建议 设计与执行A/B 实验，量化产品与运营策略效果，推动数据驱动决策 2. 业务深度洞察专项 商家与行业分析：商家分层与经营健康度评分、行业大盘趋势、商家成长路径挖掘 用户增长与留存：用户 LTV 建模、获客漏斗分析、留存拆解、流失预警与召回 GMV 波动分析：多维归因框架（流量 × 转化 × 客单价 × 复购），双11/日销异动根因定位 物流数据分析：运用运筹优化（线性/整数规划、组合优化、动态规划）解决仓储选址、库存分配、路径规划、配送调度等问题，构建需求预测模型，支持库存与补货优化；参与端到端履约成本优化；探索仿真模拟与强化学习在动态调度场景中的应用 3. AI / 大模型驱动的数据科学 利用LLM 及多模态模型重构数据分析工作流：Text-to-SQL / Text-to-Insight 自然语言查询、大规模评论/反馈语义分析、LLM 驱动的特征工程与知识抽取 结合RAG（检索增强生成）构建业务知识库与智能决策辅助工具，加速指标口径查询与历史分析复用 设计和开发AI Agent / 多 Agent 协作工作流，实现从数据获取到洞察报告的端到端自动化 构建AI 产出质量评估体系：大模型生成内容的准确性校验与幻觉检测机制 利用 LLM 辅助实验设计与因果分析：自动生成 A/B 测试假设、匹配实验/对照组特征、解读实验结果并输出策略建议 掌握Prompt Engineering、Fine-tuning、RLHF等大模型适配方法，将业务需求转化为模型调用与微调策略 5. 建模与算法应用 构建ML/DL 模型，应用于行为预测、推荐排序、流量分配、价格优化、风控等场景 运用因果推断（DID、合成控制等）解决归因与策略评估问题 6. 数据基础设施与工程能力 理解数仓分层架构与维度建模，参与数据模型设计与指标口径治理；可基于MaxCompute、DataWorks 进行日常简单数据开发 了解数据湖 / 湖仓一体架构；掌握Hive / Spark / Flink等大数据处理框架 了解OLAP 引擎，关注数据质量治理与数据资产管理

学历：硕士及以上，统计学、数学、计算机、经济学、运筹学、数据科学、AI 或相关量化学科 编程：熟练掌握Python（或 R）；熟练使用SQL（多表关联、性能调优等） 统计 / ML：扎实的概率统计基础，熟悉假设检验、回归、A/B Test；掌握常用 ML 算法与模型评估方法 AI 素养：具备使用 LLM / AI 工具提升工作效率的意识与实践经验；理解 Prompt Engineering 基本方法 运筹优化研究或项目经验（规划、组合优化、仿真、RL 调度等） 因果推断实际应用经验（DID、合成控制、双重机器学习等） 毕业时间：26年11月-27年11月 加分项： 大模型工程能力：初步的LLM 应用开发经验（Fine-tuning、RLHF、RAG、AI Agent / Function Calling） 数据基建：了解数仓分层架构与维度建模；熟悉 MaxCompute / DataWorks 或同类平台者优先 大数据技术栈实际经验（Hologres、DataWorks、Hive、Spark、等） 电商业务分析实习经验：GMV 归因、用户 LTV、商品 / 商家分析、大促评估等